ScholarGate
ผู้ช่วย
Process / pipelineBioinformatics / omics

การวิเคราะห์การเสริมเส้นทางอนุกรมเวลา — กิจกรรมเส้นทางแบบไดนามิกเมื่อเวลาผ่านไป

การวิเคราะห์การเสริมเส้นทางอนุกรมเวลาจะระบุเส้นทางชีวภาพที่กิจกรรมยีนที่ประสานกันเปลี่ยนแปลงอย่างมีนัยสำคัญตลอดจุดเวลาที่เรียงลำดับ แทนที่จะพิจารณาแต่ละจุดเวลาอย่างอิสระ วิธีการนี้จะสร้างแบบจำลองวิถีทางเวลาของการแสดงออกของยีนภายในแต่ละเส้นทาง และทดสอบว่าโปรแกรมชีวภาพทั้งหมด — ไม่ใช่แค่ยีนเดี่ยว — ถูกกระตุ้นหรือยับยั้งในลักษณะที่ขึ้นกับเวลาหรือไม่ วิธีนี้มีการใช้อย่างแพร่หลายในการศึกษาชีววิทยาพัฒนาการ การศึกษาการตอบสนองต่อยา และการศึกษาอนุกรมเวลาของการติดเชื้อ

เปิดใน MethodMindเร็ว ๆ นี้Apply, compare, get guidance
Tools & resources
ดาวน์โหลดสไลด์
Learn & explore
วิดีโอเร็ว ๆ นี้

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

แผนที่ระเบียบวิธี

ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ

แหล่งอ้างอิง

  1. Ernst, J., Nau, G. J., & Bar-Joseph, Z. (2005). Clustering short time series gene expression data. Bioinformatics, 21(Suppl 1), i159–i168. link
  2. Cheng, J., Tegge, A. N., & Bhatt, D. L. (2014). A method for identifying and interpreting time-series pathway activity changes from gene expression data. Bioinformatics, 30(21), 3147–3154. link

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Time-Series Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/th/bioinformatics/time-series-pathway-enrichment-analysis

ระเบียบวิธีใด?

วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน

เปรียบเทียบเคียงข้างกัน
ScholarGateTime-series pathway enrichment analysis (Time-Series Pathway Enrichment Analysis). สืบค้นเมื่อ 2026-06-17 จาก https://scholargate.app/th/bioinformatics/time-series-pathway-enrichment-analysis · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026